Python 3.x 如何根据特定条件替换Dataframe中特定列的特定值？

我有一个熊猫数据框，其中包含学生和他们获得的分数百分比。有些学生的分数超过100%。显然，这些值是不正确的，我想用NaN替换所有大于100%的百分比值

我已经试过一些代码，但不能完全得到我想要的

import numpy as np
import pandas as pd

new_DF = pd.DataFrame({'Student' : ['S1', 'S2', 'S3', 'S4', 'S5'],
                       'Percentages' : [85, 70, 101, 55, 120]})

#  Percentages  Student
#0          85       S1
#1          70       S2
#2         101       S3
#3          55       S4
#4         120       S5

正如您所看到的，这种代码是有效的，但它实际上替换了百分比大于100×NaN的特定行中的所有值。我只想将百分比列中的值替换为大于100的NaN。有什么方法可以做到这一点吗？

尝试使用：

或

---

而且

或者

df.Percentages=df.Percentages.where（df.Percentages您可以使用：

输出：

  Student  Percentages
0      S1         85.0
1      S2         70.0
2      S3          NaN
3      S4         55.0
4      S5          NaN

这也会起作用。：）但是，如果可以，请避免应用，这会很慢。同意@anky_91，尝试避免
。如果不需要，请应用
。这已经存在于我的解决方案中（检查注释部分）现在不确定这有什么不同：）@JohnE是的，也取决于df的大小，我认为？对于较大的dfs，不应使用np。哪里的工作速度更快？BDW现在未注释。：）谢谢你，我想你是对的。通常
np。其中
非常快。
new_DF.Percentages=np.where(new_DF.Percentages.gt(100),np.nan,new_DF.Percentages)

new_DF.loc[new_DF.Percentages.gt(100),'Percentages']=np.nan

print(new_DF)

  Student  Percentages
0      S1         85.0
1      S2         70.0
2      S3          NaN
3      S4         55.0
4      S5          NaN

df.Percentages = df.Percentages.apply(lambda x: np.nan if x>100 else x)

df.Percentages = df.Percentages.where(df.Percentages<100, np.nan)

new_DF.loc[new_DF['Percentages']>100, 'Percentages'] = np.NaN

  Student  Percentages
0      S1         85.0
1      S2         70.0
2      S3          NaN
3      S4         55.0
4      S5          NaN

import numpy as np
import pandas as pd

new_DF = pd.DataFrame({'Student' : ['S1', 'S2', 'S3', 'S4', 'S5'],
                      'Percentages' : [85, 70, 101, 55, 120]})
#print(new_DF['Student'])
index=-1
for i in new_DF['Percentages']:
    index+=1
    if i > 100:
        new_DF['Percentages'][index] = "nan"




print(new_DF)